Relatório da ONU expõe o custo ambiental da IA para além do carbono

Pergunte algo a um chatbot de IA e a resposta chega em segundos. Peça uma imagem, e ela surge quase com a mesma rapidez. À superfície, parece não exigir esforço.

Só que, por trás do ecrã, o cenário é bem diferente. Cada pedido é enviado para um armazém cheio de máquinas a funcionar sem parar, alimentadas por electricidade - e essa electricidade também implica consumo de água e ocupação de terra.

Um novo relatório das Nações Unidas avaliou, em conjunto, estes três custos. E os totais apurados ficaram muito acima do que os números de carbono, por si só, deixavam adivinhar.

O custo por trás dos pedidos

Esses armazéns são centros de dados, e estão a crescer a um ritmo mais rápido do que as redes eléctricas conseguem absorver com conforto.

Até 2030, os centros dedicados à IA poderão consumir cerca de 945 terawatt-hora por ano. É quase três vezes a electricidade utilizada por alguns dos países mais populosos do mundo.

A pegada já é gigantesca. Em 2025, os centros de dados à escala global consumiram aproximadamente 448 terawatt-hora - o suficiente para, se fossem um país, ocuparem o 11.º lugar entre os maiores consumidores de electricidade do mundo.

Projecções externas apontam para que esta procura praticamente duplique até 2030.

A Dra. Miriam Aczel, do United Nations University Institute for Water, Environment and Health (UNU-INWEH), é a autora principal do relatório.

Segundo ela, a maioria das avaliações, até agora, tem acompanhado sobretudo o carbono associado ao treino de modelos de grande dimensão.

Só que cada unidade de electricidade traz também um custo em água e em terra.

Três pegadas, não apenas uma

Reduzir carbono pode, sem grande alarido, aumentar os outros dois impactos.

Por exemplo, trocar carvão por bioenergia - energia produzida pela queima de matéria vegetal - pode diminuir a pegada de carbono da electricidade em cerca de 70 por cento.

O custo escondido, porém, é elevado. A mesma mudança pode multiplicar a pegada hídrica em mais de 30 vezes e a pegada de uso do solo em 100 vezes.

Uma opção que parece impecável num gráfico de carbono pode, noutras regiões, esgotar rios e pressionar campos agrícolas.

“ O que mais nos surpreendeu foi a frequência com que as escolhas que parecem mais verdes do ponto de vista do carbono acabam por ser piores para a água ou para a terra ”, disse Aczel.

Essa discrepância apanhou a equipa de surpresa: um rótulo “verde” que, discretamente, induz em erro.

Para onde vai a energia

A preocupação pública tem-se concentrado no treino - a fase dispendiosa em que um modelo aprende pela primeira vez.

Mas os investigadores concluíram que a inferência - o trabalho quotidiano de responder a pedidos - absorve uma fatia estimada de 80 a 90 por cento da energia de um sistema de IA.

E nem todos os pedidos pesam o mesmo; as diferenças são impressionantes. Uma resposta típica num chat gasta cerca de 200 vezes mais energia do que uma tarefa simples de ordenação de texto, enquanto uma única imagem gerada por IA pode consumir aproximadamente 1.450 vezes esse valor de referência.

Um estudo que analisou dezenas de modelos confirmou este padrão.

Em termos concretos, uma imagem de IA mantém uma pequena lâmpada LED acesa durante cerca de 17 minutos. Já um vídeo complexo equivale a 42 horas.

Só o ChatGPT processa cerca de 2,5 mil milhões de pedidos por dia, e compensar esse carbono exigiria árvores jovens a cobrir uma área do tamanho de Manhattan.

Eficiência que se vira contra nós

Há uma suposição tranquilizadora que atravessa muita da cobertura sobre IA: à medida que a tecnologia se torna mais eficiente, o impacto ambiental deveria diminuir por si.

O relatório contesta essa ideia de forma contundente. Os economistas chamam a esta armadilha o efeito de ressalto, por vezes referido como o Paradoxo de Jevons, em homenagem a um pensador do século XIX.

Quando algo fica mais barato e mais fácil, as pessoas tendem a utilizá-lo muito mais.

O professor Kaveh Madani, director do instituto e líder da equipa, resume sem rodeios: uma IA mais eficiente e mais barata costuma significar mais IA - até que a pegada total ultrapasse aquilo que a eficiência poupou.

Custos locais, benefícios distantes

Os encargos da IA raramente recaem nos mesmos locais onde os benefícios se acumulam. Na Irlanda, os centros de dados consumiram cerca de 21 por cento de toda a electricidade contabilizada em 2023 - mais do que todas as casas urbanas juntas, segundo números nacionais.

O operador da rede congelou novas aprovações na zona de Dublin até 2028.

Em regiões do México afectadas pela seca, novos complexos de computação disputam reservas de água cada vez mais limitadas.

No Uruguai, foi planeado um centro de dados com grande consumo de água precisamente quando uma seca em 2023 drenou as reservas da capital e tornou a água da torneira imprópria para beber.

O próprio hardware deixa uma marca. Até 2030, o equipamento de IA poderá gerar até 2,5 milhões de toneladas de lixo electrónico por ano, sendo grande parte enviada para países mais pobres, com poucas salvaguardas.

Apenas cerca de 32 países acolhem estes centros de dados, e a maioria do poder de computação concentra-se em apenas dois.

O que a transparência pode mudar

Antes deste relatório, o custo ambiental da IA era, em grande medida, reduzido a carbono - um único número a representar um quadro muito mais amplo.

Agora, uma contabilidade integrada coloca lado a lado carbono, água e terra, mostrando com que frequência estes indicadores seguem em direcções diferentes.

As conclusões já têm peso político. Algumas semanas após o relatório, as Nações Unidas apelaram às empresas de IA para divulgarem as suas pegadas de carbono, de água e de terra.

Foi-lhes também pedido que operassem os seus centros de dados com energia renovável até 2030.

A existência de números públicos comparáveis permitiria a reguladores e clientes avaliar uma empresa em relação a outra.

Daqui em diante, as tarefas são claras. Os governos podem integrar os centros de dados no planeamento de recursos hídricos e de uso do solo, e as empresas podem encarar as definições por defeito como decisões com impacto ambiental.

O relatório termina com uma nota de esperança, defendendo que capacidade e cuidado podem crescer em conjunto quando os custos reais ficam visíveis.

O relatório foi publicado como um Research Report do UNU-INWEH.